Le centre France s’appuie sur une forte expertise en science de la modélisation aussi bien en mathématiques qu’en informatique pour former des cadres méthodologiques en mathématiques (contrôle optimal, agrégation de variables) et en informatique (modélisation multi-échelle, modélisation-simulation participative). Notre enjeu est de produire un ensemble de briques conceptuelles et logiciels pour favoriser la modélisation et la simulation de phénomène réel dans la participation et la transdisciplinarité.
Nous portons notamment une réflexion fondamentale sur la modélisation en embrassant, sous le couvert des systèmes multi-agents, les domaines suivants (sans être exhaustif) :
– Couplage de modèles et co-modélisation,
– Jumeau numérique et la simulation “on-line”, (Sok, C et al.)
– Simulation large échelle distribuée sur plate-forme de calcul haute performance (cluster) (Grosjean et al. 2025),
– et Simulation participative pour la sensibilisation et l’aide à la décision (Serine K 2023).

En termes d’applications, nous répondons aux problématiques de développement durable d’intérêt général en France et à l’international, notamment dans le réseau UMMISCO et ses partenaires comme :
– la gestion de la crise de Covid 19 et, plus généralement, les dynamiques d’évolution des épidémies (Cazelles et al. 2021b),
– le réaménagement urbain pour faire face aux problématiques de submersion et aux changements globaux (Projet Littosim),
– la modélisation biotique et abiotique des sols pour une agriculture durable (Monga et al. 2024),
– la modélisation des dynamiques urbaines et ses interfaces tangibles (Marrakair)

Lucas Grosjean, Alexis Drogoul, Bénédicte Herrmann, Nghi Quang Huynh, Christophe Lang, et al.. Distribution Model: Separation of Concerns to Facilitate the Distribution of Agent-Based Models. PAAMS 2025, Jun 2025, Lille, France. ⟨hal-05208954⟩
Sok, C., Herzog, R., & Grignard, A. Towards an Energy Twin: Simulating Global Warming Potential in Hamburg’s Building Stock.
Serigne Kosso Sene. Du modèle à l’aide à la décision par la modélisation: application à l’irrigation déficitaire des végétaux en ville, contexte France et Sénégal. Modélisation et simulation. Sorbonne Université, 2023. Français. ⟨NNT: 2023SORUS579⟩. ⟨tel-04496124⟩

Le centre France s’appuie aussi sur une forte expertise méthodologique en apprentissage machine en général et en apprentissage profond en particulier. Nos enjeux sont de développer de nouvelles approches en IA capables de traiter et d’interpréter une grande diversité de données pour répondre à diverses questions de recherche d’ordre méthodologique. Notre expertise s’étend à une gamme variée de techniques avancées comme l’apprentissage supervisé (Prifti et al. 2020), l’apprentissage non supervisé (Affeldt et al. 2016) ou l’apprentissage auto-supervisé et soulève un questionnement de premier ordre sur:

– les architectures (e.g. l’extension d’architecture de transformers à des données multi-instances),
– les performances (e.g. l’augmentation de la taille des données), de robustesse des modèles (e.g. résistance aux attaques des classeurs),
– l’interprétabilité des modèles (e.g. apprentissage de modèles sparses (Prifti et al. 2020) ou approches par occlusion).

Nos recherches trouvent leurs applications dans une variété de domaines critiques, portant sur
– la santé notamment pour l’analyse de données tabulaires et textuelles (projets DeepIntegrOmics ou DeepECG4U, Prifti et al. 2021),
– la biodiversité (eCOL+, MetaPLantcode (Ariouat et al. 2023) ou AIME), et le calcul scientifique distribué.

Nos nombreuses expériences en modélisation, notamment au Sud, montrent un cruel manque de données disponibles pour répondre aux défis Sociétaux par la modélisation. Si le modèle est un formidable outil de production de données scientifiques, il n’en reste pas moins un consommateur majeur.
C’est pourquoi, le centre France s’est fortement investi dans le développement d’instruments low-cost de mesures environnementales et dans la conception de pipelines pour une intégration automatisée de données multi-sources et multi-échelle (mesure ponctuelles au sol, mesure satellite, drone), de la mesure par des capteurs jusqu’à son assimilation temps-réel dans le modèle de simulation voire dans le jumeau numérique.
Ces travaux nous amènent à développer des recherches dans les domaines de:
– l’IA embarquée (Elouiaazzani et al.)
– l’assimilation de données (Bassirou et al.)
– la fusion de données multi-sources (Niane 2023)
– les réseaux de capteurs ( Martiny et al.)
– la qualification des données par la calibration continue des mesures

Ces travaux contribuent au développement de capteurs low-cost et citoyen et trouvent des applications dans de nombreux domaines d’actualité comme:

– La qualité de l’air par le développement du capteur QameleO
– L’arrosage déficitaire pour un usage optimisé de l’eau par le développement du capteur WAOU mesurant la tension hydrique dans les sols (effet de succion exercée par les plantes)
– Suivi acoustique des aires marines protégées par la conception et la production d’instruments adaptés
– Le comptage des véhicules par l’usage d’une IA embarquée (Projet I-Maroc)

Au delà de permettre une mesure scientifiquement fiable pour un coût réduit, ces nouveaux instruments scientifiques de bien commun (sous licence Cern OHL V3, GPL3 et Creative common) présentent une dimension sociétale: ils sont conçu pour être construit au Sud par les fablab et être facilement réparable.
Par exemple, autant QaméléO a été imaginé au Cofab-in-Bondy, autant il est aujourd’hui construit et déployé par les FabLab partenaires comme le Blolab ou le Cofab-in-Dakar dans plusieurs pays dont : le Bénin, le Congo, le Ghana, Madagascar, Côte d’Ivoire et le Sénégal. Ces travaux assurent une recherche engagée sur le terrain, en étroite collaboration avec les acteurs locaux, financée par différents guichets (POPSU, ANR, collectivités, FID, BPIFrance…), ou via des partenariats industriels Diginove, Group Tera ou Urbasense.

Ces travaux se concrétisent par des publications scientifiques, des brevets mais surtout par un impact direct sur :

– La recherche au Sud notamment par la participation à des groupes de recherche internationaux comme l’IRN Reallity,
– La Société par l’installation des capteurs sur les différents territoires, la production de nouvelles de données et, mais surtout, la sensibilisation des populations à ces nouvelles données environnementales.

Hamza Elouiaazzani, Nicolas Marilleau, Tri Nguyen-Huu, Ahmed Laatabi and Mohamed Ait Babram “A Real-Time Vision-Based Vehicle Counting Smart Sensor on the Jetson Orin Nano” ANT’2026
Ngom, Bassirou, Moussa Diallo, Madoune Robert Seyc, Mamadou Simina Drame, Christophe Cambier, et Nicolas Marilleau. « PM10 Data Assimilation on Real-time Agent-based Simulation using Machine Learning Models: case of Dakar Urban Air Pollution Study ». 2021 IEEE/ACM 25th International Symposium on Distributed Simulation and Real Time Applications (DS-RT), 27 septembre 2021, 1‑4. https://doi.org/10.1109/DS-RT52167.2021.9576143.
Papa Massar Niane. Modélisation de la méningite bactérienne dans l’interface Environnement-Climat-Société par approche multi-agents : cas d’application au Sénégal. Modélisation et simulation. Sorbonne Université; Université Cheikh Anta Diop (Dakar, Sénégal ; 1957-..), 2023.
Martiny et al., « Quality of Air Module for Environmental Learning Engineering and Observation Network (QameleON-Dijon): un réseau dense de mesures de la qualité de l’air à Dijon ».

Le lien entre la recherche et la Société est au cœur des préoccupations des chercheurs du centre France. Cela se traduit par la mise en place d’outils de sensibilisation, voire d’aide à la décision à destination de la société, des instances gouvernementales et des industriels.
Le modèle “système complexe” représentatif d’un phénomène (tel qu’il est décrit dans le premier thème de l’UMMISCO) ne peut malheureusement pas être directement mis dans les mains des populations, des décideurs. Il doit être encapsulé dans un autre modèle (orienté “end-user”) assurant le post-traitement et la mise en forme des données résultant des simulations d’un modèle “système complexe”.

Ainsi, nous développons des cadres méthodologiques et technologiques sur:

– l’aide à la décision (Serigne Kosso Sene 2023)
– les sciences participatives (Laatabi et al. 2022)
– la sensibilisation (Becu et al. 2019)
– la médiation scientifique (Minh Duc et al. 2020)

Ces recherches sont appliqués dans différents domaines applicatif dont

– les dynamiques urbaines (Projet I-Maroc, Marrack’Air, HoanKiem’Air ou Dij’Air)
– l’irrigation déficitaire (Projet Anr labcom Waqatali)
– les submersions à Madagascar (Projet Didem)
– ..
Ces recherches se font en partenariat avec les collectivités locales et/ou l’entreprenariat

Serigne Kosso Sene. Du modèle à l’aide à la décision par la modélisation : application à l’irrigation déficitaire des végétaux en ville, contexte France et Sénégal. Modélisation et simulation. Sorbonne Université, 2023. Français.

Minh Duc, Pham, Kevin Chapuis, Alexis Drogoul, et al. « HoanKiemAir: simulating impacts of urban management practices on traffic and air pollution using a tangible agent-based model ». 2020 RIVF International Conference on Computing and Communication Technologies (RIVF), octobre 2020, 1‑7. https://doi.org/10.1109/RIVF48685.2020.9140787.

Laatabi, Ahmed, Nicolas Becu, Nicolas Marilleau, et al. « LittoSIM-GEN: A Generic Platform of Coastal Flooding Management for Participatory Simulation ». Environmental Modelling & Software 149 (mars 2022): 105319. https://doi.org/10.1016/j.envsoft.2022.105319.
Becu, Nicolas, Marion Amalric, Brice Anselme, et al. « Participatory simulations with decision makers on coastal flooding prevention: what did they learn? » International Simulation and Gaming Association Conference (Warsaw, Poland), août 2019. https://hal.archives-ouvertes.fr/hal-02431600.